论文部分内容阅读
为解决蝙蝠算法容易陷入局部最优,过旱进入停滞状态等缺点,在蝙蝠算法更新模式中引入时变的惯性权重,给出3种不同的惯性权重学习机制,将蝙蝠算法进行改进,提高算法的开发和探索能力.通过数值仿真实验,将3种不同学习机制下的改进蝙蝠算法与基本算法进行对比分析.结果表明,改进的蝙蝠算法具有较高的收敛精度和较强的全局搜索能力.